ngraph

Ngraph已移至OpenVino：https：//github.com/openvinotoolkit/openvino

建筑和功能|生态系统|发行说明|文档|贡献指南|许可证：Apache 2.0

快速开始

要开始与流行框架一起使用Ngraph，请参阅下面的链接。

框架（版本）	安装指南	笔记
TensorFlow*	PIP安装或从源构建	20个经过验证的工作负载
ONNX 1.5	PIP安装	17个经过验证的工作负载

python车轮用于Ngraph

Ngraph的Python车轮已进行了测试，并在以下64位系统中得到了支持：

• Ubuntu 16.04或更高版本
• CentOS 7.6
• Debian 10
• MacOS 10.14.3（Mojave）

要通过PIP安装，请运行：

 pip install --upgrade pip==19.3.1
pip install ngraph-core

与本机框架实现相比，使用NGRAPH编译器堆栈执行工作负载的框架最多显示了45倍的性能提升。我们还看到了绩效提高运行工作负载，这些工作负载未包含
得益于Ngraph强大的子图模式匹配，已验证的工作负载。

此外，我们已经将NGRAPH与Plaidml集成在一起，以提供有关Intel，Nvidia和AMD GPU的深度学习绩效加速。有关Ngraph编译器堆栈当前体系结构的更多详细信息可以在架构和功能中找到，并且在发行说明中说明了对堆栈的最新更改。

什么是Ngraph编译器？

NGRAPH编译器旨在使用任何深度学习框架加速开发AI工作负载，并部署到各种硬件目标。我们坚信为AI开发人员提供自由，绩效和易用性。

下图显示了Ngraph支持的深度学习框架和硬件目标。该图中的NNP-T和NNP-I是指分别用于培训和推理的Intel®Nervana™神经网络处理器。 “生态系统”部分概述了支持附加深度学习框架和后端的未来计划。

我们的文档具有有关如何使用Ngraph编译器堆栈创建Ngraph计算图，集成自定义框架并与支持的后端交互的大量信息。如果您想为该项目做出贡献，请在审查下面的贡献指南后，请随时在GitHub问题中提出问题。

如何贡献

我们欢迎社区对Ngraph的贡献。如果您有一个想法如何改进：

• 有关代码格式和样式指南的贡献指南。
• 通过GitHub问题分享您的建议。
• 确保您可以构建产品并使用补丁程序运行所有示例。
• 在较大功能的情况下，创建测试。
• 提交拉动请求。
• 确保您的公关通过所有CI测试。注意：您可以在本地make check 。

我们将审查您的贡献，如果需要进行任何其他修复或修改，则可能会提供指导您的反馈。接受后，您的拉请请求将合并到存储库。